基于每组行数的子集数据框

首先，有两种选择。一个依赖于 ，另一个依赖于 和。然后，两种方式。basetableavelengthdata.table

---

1.table

tt <- table(df$name)

df2 <- subset(df, name %in% names(tt[tt < 3]))
# or
df2 <- df[df$name %in% names(tt[tt < 3]), ]

---

如果您想逐步完成它：

# count each 'name', assign result to an object 'tt'
tt <- table(df$name)

# which 'name' in 'tt' occur more than three times?
# Result is a logical vector that can be used to subset the table 'tt'
tt < 3

# from the table, select 'name' that occur < 3 times
tt[tt < 3]

# ...their names
names(tt[tt < 3])

# rows of 'name' in the data frame that matches "the < 3 names"
# the result is a logical vector that can be used to subset the data frame 'df'
df$name %in% names(tt[tt < 3])

# subset data frame by a logical vector
# 'TRUE' rows are kept, 'FALSE' rows are removed.
# assign the result to a data frame with a new name
df2 <- subset(df, name %in% names(tt[tt < 3]))
# or
df2 <- df[df$name %in% names(tt[tt < 3]), ]

---

2. 以及avelength

正如@flodel所建议的：

df[ave(df$x, df$name, FUN = length) < 3, ]

---

3. ： 和 ：data.table.N.SD

library(data.table)
setDT(df)[, if (.N < 3) .SD, by = name]

---

4. ： 和 ：data.table.N.I

setDT(df)
df[df[, .I[.N < 3], name]$V1] 

---

另请参阅相关的问答：计算每组的观测值/行数，并将结果添加到数据框。

使用软件包：dplyr

df %>%
  group_by(name) %>%
  filter(n() < 4)

# A tibble: 5 x 2
# Groups:   name [2]
  name      x
  <fct> <int>
1 a         1
2 a         2
3 a         3
4 b         4
5 b         5

n()返回当前组中的观测值数，因此我们可以命名，然后仅保留属于该组中行数小于 4 的组的行。group_by

使用包的另一种方法是使用该函数，然后在原始数据帧上执行半连接：dpylrcount

library(dplyr)

df %>% 
  count(name) %>%
  filter(n <= 3) %>%
  semi_join(df, ., by = "name")

软件包 “inops” 有一些有用的中缀运算符。对于这种特殊情况，操作员可以根据元素出现的次数来选择元素。%in#%

library(inops)

df[df$name %in#% 1:3,]

返回：

  name x
1    a 1
2    a 2
3    a 3
4    b 4
5    b 5

此处仅返回出现 1 次、2 次或 3 次的元素。相反，如果我们想选择出现 4 次的元素，我们会这样做：df$name %in#% 1:3TRUE

df[df$name %in#% 4,]

结果如下：

  name x
6    c 6
7    c 7
8    c 8
9    c 9